GLM-5.3：中國實驗室如何緊跟前沿

今天，Z.ai 發佈了 GLM-5.3，目前僅在編程套餐中提供，隨後會進入 API，兩週後將把權重開源到 Hugging Face。這個模型的表現相當亮眼，在多個基準上超過了 Moonshot AI 的 Kimi K3，在一些基準上甚至超越了 Claude Fable 5 或 GPT-5.6-Sol。更值得注意的是，它只有約 7500 億參數，約為 Kimi K3 的三分之一，卻已經站在智能體編碼基準的前沿。Z.ai 在博客中直言：GLM-5.3 與 GLM-5.2 共用同一個基礎模型，主要工作是在後訓練階段進行了大規模擴展。相比以預訓練見長的 Kimi，Z.ai 的強項似乎是後訓練。

對於中國實驗室為何能如此緊跟前沿，最簡單的解釋並非蒸餾。Z.ai 的技術博客強調，他們使用了更多環境、更多樣化的任務和更多計算資源來進行後訓練。RL 環境、基礎設施以及混合算法很難靠蒸餾獲得。作者認為，最大的因素可能是發佈週期：Z.ai 從模型完成到發佈只需數天，而 OpenAI 和 Anthropic 往往要花數月做發佈前測試。中國實驗室利用這段時間差持續在基準上爬坡，這很可能是在前沿保持競爭力的最大原因。此外，Z.ai 確實比 OpenAI 或 Anthropic 更在意公開基準，因為這直接影響融資和團隊士氣。

不過，作者並不認為 GLM-5.3 是過度刷分的產物。所有實驗室眼下都在面對擴展 RL 的粗糙邊緣，Anthropic 的 Opus 5 和 Sonnet 5 雖然取得驚人基準分數，口碑卻褒貶不一。GLM-5.3 可能比 Claude Fable 或 GPT Sol 更窄，且旗艦 GLM 模型一直沒有視覺能力，文本專用有助於提升基準分數，但同時也説明它面向的是更聚焦的用例。據報道 Z.ai 已實現約 10 億美元的年經常性收入，主要來自強勁的本地部署業務。

文章還提到，中國的 RL 數據產業正在起飛，美國數據公司向中國模型實驗室出售數據或 RL 環境，中國實驗室可能更快發佈下游模型。Z.ai 與清華大學關係密切，擁有大量頂尖計算機科學家，這也是其成功的關鍵之一。最後，Z.ai 承認 GLM-5.3 在網絡安全任務上很強，並存在雙重用途風險，因此採取分階段發佈：先由安全合作伙伴在受控環境中評估，再開放 API，最後發佈完整權重。但作者認為，當真正開放權重到來時，這類安全措施能起的作用有限，需要政府或行業聯盟提供工業規模的指導，才能應對能力擴散。